信噪比：一种有效的绩效评估方法
SNR定义为信号功率和噪声功率之比，它考虑来自所有来源的噪声，如电，热，光，甚至环境噪声
如果信号和噪声的阻抗相同，则可以使用信号的幅度和噪声的幅度来计算SNR。因此，SNR可表示为：
当以dB表示SNR时，它将被计算为：
对于具有正值的光学测量和信号是DC信号的测量，可以使用信号平均值计算信号幅度，并且可以使用测量信号的标准偏差来计算噪声幅度。例如，考虑如图1中的信号。
图3.稳定光学平台上的反射器卡，顶部固定，以避免振动。
图4.测试设置的侧视图，DUT和反射白卡之间的气隙严格控制。
例如，对于19位ADC，其输入范围设置为16μA，数据集显示大约330,000个计数的平均计数。输入电流计算如下：
如果信号和噪声的阻抗相同，则可以使用信号的幅度和噪声的幅度来计算SNR。因此，SNR可表示为：
当以dB表示SNR时，它将被计算为：
对于具有正值的光学测量和信号是DC信号的测量，可以使用信号平均值计算信号幅度，并且可以使用测量信号的标准偏差来计算噪声幅度。例如，考虑如图1中的信号。
图1.标准偏差和信号平均值。
SNR也可以计算为
对于Maxim先进的传感器产品，SNR计算为平均ADC计数与ADC计数标准偏差之比，其中ADC计数线性地取决于接收的光信号。
SNR测试设置和过程
SNR测试的目的是确定来自传感器的测量信号中的噪声程度。随着信号幅度的变化，噪声也会发生相应的变化，这些变化可能会或可能不会影响传感器的性能。由于这些变化，SNR提供了评估性能的有效方法。
在该光学传感器的示例中，输入电流是由光电二极管产生的电流，并且取决于光电二极管表面上的光入射。考虑敏电子创传感器的一般框图（图2）
图2.光学传感器框图。
对于相同的LED，光电二极管的光子能量会随着LED驱动电流，脉冲宽度和采样率的增加而增加，但光电二极管上的反射光入射会产生光电二极管电流，从而产生感兴趣的信号。关于各种其他因素，包括LED光输出，反射光子能量，以及光电二极管对所考虑的特定测试设置的响应度。因此，在评估SNR时，LED电流不用作信号幅度的度量; 相反，产生的光电二极管电流用作表征SNR的参数。
用于SNR测试的常规设置涉及将测试装置与待表征的装置放置在稳定的表面上，例如没有任何环境振动的光学平台。将测试装置放置在白色反射器下方，使得来自LED的光被所述反射器反射到光电二极管上。通常，白色苯乙烯高冲击塑料卡用作反射器。也可以使用其他材料。
设置应用黑色框或黑色板覆盖，以阻挡环境光。即使环境光在此DUT中大部分被消除，但由于不同光照条件的变化可能会使结果偏斜，这在表征和相关性方面会产生问题。因此，覆盖测试装置以阻挡环境光确保结果不会在不同的测试楼层或不同的环境条件下变化。请参见图3和图4。
图3.稳定光学平台上的反射器卡，顶部固定，以避免振动。
图4.测试设置的侧视图，DUT和反射白卡之间的气隙严格控制。
考虑测试设置的稳定性也很重要。当反射器和光电二极管之间的距离发生变化时，光电二极管上的光入射发生变化。如果反射器不稳定，则可能在采样期间导致距离变化。这导致光电二极管上的光入射的变化，这反过来导致ADC计数的变化并且将转化为信号上的噪声，但实际上它是不稳定的测试设置的伪像。
一旦测试设置准备就绪且稳定，就可以获取各种配置的数据。然后通过脚本（MATLAB®或Python）或评估者分析每组数据的SNR。LED电流以及反射器位置以及因此反射器和部件之间的距离被改变以达到ADC的一定水平的ADC计数或输入电流。输入电流在允许的器件限制范围内变化。可以使用以下公式从ADC计数计算输入电流：
例如，对于19位ADC，其输入范围设置为16μA，数据集显示大约330,000个计数的平均计数。输入电流计算如下：
输入电流=10.07μA
使用每个输入电流设置的数据集扫描输入电流和计算SNR，得到SNR与输入电流的关系曲线，如图5所示。
图5. SNR是光电探测器输入电流的函数。
挑战（SNR与动力）
上图可能会给人一种印象，即使用Maxim的传感器设备之一，输入电流接近最大限值应该是最佳配置，因为它提供了最高的SNR，因此具有最佳性能。但考虑到其他因素可以明显看出，最高输入电流（或最高SNR）不一定是最佳解决方案。
ADC输入电流主要取决于两个因素：
LED光输出。LED光输出越高，反射回PD的光线也越高。
与反射器的距离。对于相同的LED光输出，当与反射器的距离减小时，输入电流增加。
在生物传感器的实际应用中，假设皮肤与手腕，手指或任何其他部位之间的距离是恒定的。在这种情况下，唯一剩下的变量是LED光输出。为简化起见，我们假设LED光输出随LED平均电流线性增加。因此，很明显，对于特定部件和应用，SNR随着更高的LED平均电流而改善。平均LED电流由LED驱动电流（LED驱动器开启时的LED电流），脉冲宽度和采样率决定。较高的平均电流不仅会转化为更高的SNR，还会导致更高的系统功耗。例如，图6显示了Maxim的一个生物传感器MAX86140的功耗。
图6.功率随采样率和脉冲宽度的变化。
因此，定义最佳解决方案以获得每个系统的最佳SNR和功耗非常重要。由于对可穿戴设备和配件等低功耗系统的期望越来越高，对电池寿命的要求越来越高，这一点变得越来越重要。因此，启动LED电流或增加占空比以获得高平均电流和高SNR并不总是最佳解决方案。
理想的解决方案应该基于每个应用和系统要求。但是，在仔细评估所考虑的配置选项的SNR和功耗之后，必须做出明智的决定。
新途径：人体测试的SNR
当涉及人类测试数据的SNR评估时，用于计算SNR的传统方法失败。Maxim生物传感器旨在使用光电容积描记法（PPG）数据精确测量人体生命值，如心率和血氧。PPG信号显示特定部位（手指，手腕，耳朵等）的血容量变化，然后用于通过算法计算各种人体生命值。图7显示了典型的PPG信号。
图7.典型的PPG信号。
由于平均ADC计数和标准偏差分别用于估计信号幅度和噪声幅度，因此它仅适用于DC信号。利用诸如ACG的信号（其是AC和DC的组合），该方法给出了错误的噪声结果。在评估通过频域滤波实现的人类PPG数据的SNR时，Maxim的工程师正在提出一种全新的方法。
算法处理所需的人类PPG数据通常低于20Hz。可以过滤来自人类受试者的数据以分离高于20Hz的噪声和低于20Hz的信号。该方法有效地将噪声幅度和信号幅度与AC + DC信号分离。参见图8。
这是一种令人兴奋的新方法，使应用工程师和系统工程师能够评估人类PPG数据的SNR，并在各种系统和应用中对产品性能进行更有意义的分析。
图8.滤波后与AC信号分离的噪声。
结论
在电子行业，更具体地说，在传感器产品方面，SNR是第一个也是最重要的规范之一，它显示了一个部件优于另一个部件的优越性。信噪比以及少数其他规格为评估人员提供了设备性能的清晰快照。这需要对SNR测试设置，程序和SNR计算方法进行深入而深入的理解。